上海交大发布BigBang-V1：对抗自进化合成数据，36B参数性能媲美万亿级模型

上海交通大学Endless Frontier Lab研究团队推出了新一代大语言模型BigBang-V1。该模型基于Qwen 3.6（35B-A3B）架构，创新性地采用了对抗式自进化合成数据框架，突破了传统训练中对人类专家设计任务的依赖。其核心机制由生成器智能体和评判器智能体组成：前者负责持续提出并求解难度递增的科学与技术问题，后者则从正确性、难度、可扩展性及多样性四个维度评估生成内容，并以真实前沿研究任务校准数据分布。通过这一迭代博弈过程，团队仅用约1万条高质量样本便完成了高效后训练。性能测试方面，BigBang-V1在涵盖长程搜索、软件工程、科学研究及AI研究的8项基准测试中，均取得了35B规模模型的最高分。特别是在科学研究方向，其在FrontierScience Research、Humanity’s Last Exam、BioMysteryBench-HD及PaperBench上的得分，均超越了参数量达1.6万亿的DeepSeek V4 Pro Preview。在代码能力方面，SWE-Bench Pro得分54.2，位居同规模模型首位。

事件分析

💡 核心观点：对抗式自进化合成数据让AI实现“自我越狱”，证明了高质量算法与数据博弈优于暴力算力堆叠。